李奇临 旷兰 魏麟骁 朱浩楠 王娜

（1 重庆市气象信息与技术保障中心，重庆 401147；2 重庆市綦江区气象局，重庆 401420； 3 重庆市气候中心，重庆 401147；4 重庆市渝北区气象局，重庆 401120）

0 引言

站点观测、风云卫星和气象雷达单一的探测系统都有一定的局限性，多源数据融合技术让多圈层观测系统发挥最大化效益，多源数据融合技术也因此逐步由科研技术成果转化为业务化产品，在天气气候监测、气候变化研究、模式预报检验等业务中广泛应用[1-4]。中国气象局研发的陆面数据同化系统（CLDAS）已实现多模式集成的业务化运行，其输出的实况分析产品时空分辨率为5 km/h，包含亚洲区域范围的降水、气温、风等气象要素[5-6]。CLDAS是经质量控制后的温、压、湿、风观测数据与欧洲中期天气预报中心（ECMWF）分析背景场通过时空多尺度数据分析同化系统（STMAS）融合，并订正高度后生成的实况分析产品。2020年4月底，CLDAS升级产品（CLDAS-V2.1）新增了非考核站观测资料和产品质量标识码，其质量、时效、稳定性均有提升，各省已在业务应用中。2020年7月，高分辨率多源融合实况分析产品（HRCLDAS）时空分辨率提高到1 km/h，融合了非考核站点资料，并通过服务器移植、编译器和库函数的升级，以及程序与流程的优化，其时效和空间分辨率均优于CLDAS系列产品。对比国际同类产品[7-9]，包括ECMWF研发的第五代全球大气再分析数据高精度地面融合产品ERA5-Land、ECMWF再分析产品ERA-interim、美国国家环境预报中心（NCEP）和美国国家大气研究中心（NCAR）联合制作的NCEP/NCAR再分析数据集、韩国陆地数据同化系统产品KLDAS、日本气象厅（JMA）研发的55年全球大气再分析产品JRA-55等，CLDAS与HRCLDAS产品在空间分辨率、数据准确率方面呈现出一定的优势。

从以往的气温格点实况产品的评估研究[10-16]中可见，CLDAS与HRCLDAS产品在中国东部地区的适用性优于西部地区，低海拔地区的适用性优于高海拔地区，对全国范围的整体检验多，针对区域的特色评估不多，尤其是高温灾害天气过程中产品准确率的研究较少。重庆地区地形地貌复杂，盛夏期间高温天气过程频繁，本文针对重庆地区2020年8月气温显著偏高月份，对CLDAS与HRCLDAS产品的气温格点实况分析产品质量进行对比检验，分析产品的误差时、空特征和准确率，并从海拔高度、高温区间对两类产品进行对比检验，以期为两种产品在业务上的合理应用和数据改进提供参考依据，助力精细化网格预报业务建设。

1 资料与方法

1.1 数据来源

本文针对不同分辨率的国家级气温格点实况产品进行对比检验，使用的资料均来源于国家气象信息中心。格点实况产品包括CLDAS-V2.1（5 km/h）和HRCLDAS（1 km/h），地面站点观测资料包括重庆地区35个国家气象站和1937个省级自动站的逐小时观测资料，对以上3种资料分别提取2020年8月期间逐小时的气温要素数据，其中地面站点观测数据经过了气象资料业务系统（MDOS）三级质量控制流程质控[17-18]。根据质控码为0（代表数据正确）、数据可用率、设备可用性等计算综合指标，筛选出1396440个样本数，选为此次检验标准数据的“真值”数据，以确保评估检验结果的科学性。重庆地区气象站点空间分布如图1所示。

图1 重庆地区地形与国家气象站分布 Fig. 1 Topography of Chongqing and spatial distribution of national weather stations in Chongqing

1.2 检验方法

依照中国气象局发布的《实况分析产品质量评估规范（2019版）》[19]提出的统计评估方法和误差指标，对小时气温格点实况产品进行评估。以经过质量控制的站点观测资料作为“真值”，采用非独立样本检验方法，对比检验2020年8月1 km与5 km两种不同分辨率的小时气温格点实况分析产品，基于双线性插值方法，对逐日、逐时的误差指标、准确率以及不同海拔高度、不同高温区间的误差变化特征进行分析。各误差指标及准确率计算方法如下：

其中，Oi为站点观测值，Gi为实况产品插值到检验站点得到的数值，和分别为站点观测与格点插值到站点后的平均值，N为参与检验的总样本数（站数），t为设定的判断阈值，本文设定准确率阈值t为1 ℃和2 ℃。

双线性插值方法[15]：双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行线性插值。首先在纬向方向进行线性插值：

然后在经度方向进行线性插值：

T(x,y)是插值后站点变量值。其中T(x1,y1)、T(x2,y1)、T(x1,y2)、T(x2,y2)为对应网格变量值，T(x,y1)、T(x,y2)分别是x1、x2纬度上的线性插值结果。

2 结果分析

2.1 逐日误差对比

将2020年8月1—31日1 km与5 km小时气温格点实况分析产品分别插值到重庆地区1972个站点，计算可得出产品插值与站点观测值的偏差序列，再分别统计四个误差指标逐日值，结果如图2所示。从图2a平均值误差指标可见，1 km与5 km产品数值均以偏小为主，ME区间分别为[−0.29，0.15] ℃和[−0.45，0.1] ℃，其中5 km产品在14—17日、22—23日偏小较明显。从图2b平均绝对误差指标可见，1 km产品在15日和23日处于误差峰值，5 km产品在16日和23日处于误差峰值，8月MAE分别为0.63 ℃、1.1 ℃。图2c表示的均方根误差与图2b走势几乎一致，1 km与5 km产品RMSE分别为1.04 ℃、1.56 ℃，两种产品在14—17日、22—25日期间误差波动均较大。以上三种误差指标与图2d相关系数较为对应，1 km产品的相关系数大于5 km产品，两者均在24日处于最低值。

图2 2020年8月不同分辨率气温格点实况分析产品日序误差对比图 （a）平均值误差（ME），（b）平均绝对误差（MAE），（c）均方根误差（RMSE），（d）相关系数（COR） Fig. 2 Comparison chart of daily sequence errors of gridded real-time temperature analysis products with different resolutions in August 2020 (a) ME, (b) MAE, (c) RMSE, (d) COR

进一步研究高温天气（≥35 ℃），两种格点实况分析产品的误差指标情况，结果如图3所示。在高温站次样本中发现，随着观测气温的不断升高，高温站次样本数相应降低，而两种产品的平均值误差呈负增长趋势。1 km产品在[35, 38）℃的高温区间内，平均值误差小于−1 ℃，5 km产品在高温天气下，平均值误差均超过−1 ℃；1 km产品在40 ℃以上的高温天气下，平均值误差超过−2 ℃；5 km产品在39 ℃以上的高温天气下，平均值误差超过−2 ℃。1 km产品在各高温区间的平均值误差始终小于5 km产品。

图3 不同高温区间的气温格点实况分析产品平均值误差变化 Fig. 3 Mean error distribution of gridded real-time temperature analysis products in different high temperature intervals

对比1 km和5 km产品误差在1 ℃、2 ℃以内的准确率（图4），1 km产品准确率明显优于5 km产品，14—17日、22—25日期间两种产品的准确率均下降。根据8月天气形势来看， 14—17日处于持续性高温天气过程，日平均气温在27.4～29.2 ℃，19个区县最高气温超过37 ℃，18日出现强降水过程，日平均气温降至24.7 ℃，两种产品准确率有所提升。5 km产品误差在1 ℃以内的准确率相对偏低，尤其在16日和23日偏低明显，1 km产品误差在1 ℃以内的准确率与5 km产品误差在2 ℃以内的准确率较一致，误差在2 ℃以内的1 km产品准确率在各日均高于其余指标，可达82%以上。

图4 2020年8月不同分辨率气温格点实况分析产品误差≤1 ℃、误差≤2 ℃准确率日序图 Fig. 4 Daily sequence diagram of error ≤1 ℃ and error ≤2 ℃ for the gridded real-time temperature analysis products with different resolutions in August 2020

2.2 逐时误差对比

对两种产品2020年8月逐时误差指标序列进行分析，如图5a所示，1 km与5 km产品数值在09—18时数值均明显偏小，5 km产品在10时ME达到最大值−0.61 ℃。在11—13时，1 km较5 km产品数值偏小更严重，ME达到−0.27 ℃以上，5 km产品ME在0.19 ℃以下。对照平均绝对值误差与均方根误差指标，如图5b、5c，1 km产品在11—13时也较其他时次误差偏大，MAE分别为0.90 ℃、0.76 ℃、0.90 ℃，5 km产品在10时的MAE达到最大值1.5 ℃，两者在10—17时数值波动较大。

对比1 km和5 km产品误差分别在1 ℃、2 ℃以内的准确率（图5d），1 km产品准确率在11时、13时这两个时次偏低，而5 km产品准确率在10时、14时偏低，5 km产品准确率呈现夜间高于白天的特征。从误差在1 ℃内的准确率来看，1 km产品明显高于5 km产品，5 km产品在02—08时准确率略超过60%，其余时刻均小于60%。从误差在2 ℃内的准确率来看，1 km产品仍然优于5 km产品，1 km产品准确率范围在87%～97%，5 km产品准确率范围在75%～87%。

图5 2020年8月不同分辨率气温格点实况分析产品时序误差对比图 （a）平均值误差（ME），（b）平均绝对误差（MAE），（c）均方根误差（RMSE），（d）准确率 Fig. 5 Comparison chart of hourly sequence errors of gridded real-time temperature analysis products with different resolutions in August 2020 (a) ME, (b) MAE, (c) RMSE, (d) accuracy

2.3 空间误差对比

分析重庆地区2020年8月站点观测平均小时气温数据与小时气温格点实况分析产品的平均绝对误差空间分布特征，如图6所示，5 km产品误差明显大于1 km产品，尤其在海拔较高的站点，平均绝对误差在1～3 ℃的站点较多。统计MAE在不同区间的站点个数（表1）可知，1 km产品平均绝对误差小于2 ℃的站点达到99%，绝对误差小于1 ℃的站点达到96%；5 km产品平均绝对误差小于2 ℃的站点达到96%，绝对误差小于1℃的站点为80 %。MAE超过6 ℃的站点有1个，为万盛地区的自动观测站，1 km产品MAE为6.4 ℃，5 km产品MAE为6.3 ℃。经核查，该站点位于城市中心区域，受城市热效应影响较大，因此实况分析产品数值偏低。从两种产品的最大误差值站次来看，1 km产品误差更大，且这些误差大的站点海拔也较高。

表1 不同分辨率气温格点实况分析产品平均绝对值误差在不同区间站点个数统计表 Table 1 Statistical table of number of stations in different interval with Average Error of the temperature gridded real-time analysis products with different resolutions

图6 2020年8月不同分辨率气温格点实况产品平均绝对值误差空间分布 （a）1 km产品，（b）5 km产品 Fig.6 Spatial distribution of MAE for the gridded real-time temperature analysis products in August 2020 (a) 1 km, (b) 5 km

2.4 不同海拔的准确率对比

按照海拔高度划分，对比分析1 km与5 km气温格点实况分析产品在不同海拔平均绝对误差≤1 ℃的准确率，结果如表2所示，分别给出了两种产品在海拔高度500 m以下、500～1000 m和1000 m以上MAE≤1 ℃的准确率对比。1000 m海拔高度以下，两种产品均在25～30 ℃区间的样本数最多，20 ℃以下的样本数最少；1000 m海拔高度以上，两种产品均在20～25 ℃区间的样本数最多，35 ℃以上的样本数量最少。随海拔的升高，总样本数下降，两种产品的准确率也下降，但1 km产品准确率始终比5 km产品准确率要高。

表2 不同分辨率气温格点实况分析产品在不同海拔高度平均绝对误差值≤1 ℃的准确率对比 Table 2 Comparison of accuracy between the temperature gridded real-time analysis products with different resolutions with MAE≤1 ℃ at different altitudes

1 km和5 km产品均在观测值为 [20, 25) ℃区间内准确率最高。1 km产品在海拔1000 m以下的站点，观测值为[25, 30) ℃区间内准确率次高，在海拔1000 m以上的站点，观测值小于20 ℃内准确率次高；5 km产品在海拔500 m以下的站点，观测值为[25, 30) ℃区间内准确率次高，在海拔500 m以上的站点，观测值小于20 ℃内准确率次高。

3 总结与展望

通过对2020年8月两种分辨率气温格点实况分析产品CLDAS-V2.1与HRCLDAS的检验，结果与全国范围的评估、国际同类产品对比验证结果一致，1 km的HRCLDAS产品更加精细，融合实况数据质量显著提升，主要结论如下：

1）1 km与5 km产品数值均以偏小为主，平均绝对误差分别为0.63 ℃和1.1 ℃。两种产品在14—17日、22—25日期间受持续性高温天气影响，误差波动均较大，在此期间内准确率也下降。

2）随着观测气温的升高，高温站次样本数相应降低，而两种产品的平均值误差呈负增长，且1 km产品在各高温区间的平均误差始终小于5 km产品。

3）逐时来看，两种产品在09—18时数值均偏小，其中1 km产品在11—13时数值比5 km产品数值偏小更严重，其余时次以偏大为主，5 km产品准确率呈现夜间高于白天的特征。

4）从空间特征来看，5 km产品误差明显大于1 km产品，1 km产品平均绝对误差小于2 ℃的站点达到99%，绝对误差小于1 ℃的站点达到96%；5 km产品平均绝对误差小于2 ℃的站点达到96%，绝对误差小于1 ℃的站点为80%。另外，1 km产品的最大误差值站次较5 km产品更大，这些误差大的站点海拔均较高。

5）随海拔的升高，两种不同分辨率产品的准确率均降低，在不同海拔高度区间对比下，1 km产品准确率始终比5 km产品准确率要高得多，两者均在气温观测值为[20, 25) ℃区间内准确率最高。

总体来说，2020年8月1 km气温格点实况分析产品优于目前业务应用的5 km产品，有效提高了产品的精度，而两种产品均受高温天气及高海拔影响较大，产品所代表的地形高度与观测实际高度也有一定差异，未来可以结合重庆本地复杂的地形特征，选择最优的数据融合方案，对气温格点实况分析产品做进一步的本地化改进。